A Semi-Supervised Human Action Learning
- سال انتشار: 1395
- محل انتشار: مجله پیشرفت در تحقیقات کامپیوتری، دوره: 7، شماره: 3
- کد COI اختصاصی: JR_JACR-7-3_002
- زبان مقاله: انگلیسی
- تعداد مشاهده: 427
نویسندگان
Department of Computer Engineering, Mamasani Branch, Islamic Azad University, Mamasani, Iran
Department of Computer Engineering, Mamasani Branch, Islamic Azad University, Mamasani, Iran
Young Researchers and Elite Club, Mamasani Branch, Islamic Azad University, Mamasani, Iran
چکیده
Exploiting multimodal information like acceleration and heart rate is a promising method to achieve human action recognition. A semi-supervised action recognition approach AUCC (Action Understanding with Combinational Classifier) using the diversity of base classifiers to create a high-quality ensemble for multimodal human action recognition is proposed in this paper. Furthermore, both labeled and unlabeled data are applied to obtain the diversity measure from multimodal human action recognition. Any classifiers can be applied by AUCC as its base classifier to create the human action recognition model, and the diversity of classifier ensemble is embedded in the error function of the model. The model’s error is decayed and back-propagated to the basic classifiers through each iteration. The basic classifiers’ weights are acquired during creation of the ensemble to guarantee the appropriate total accuracy of the model. Considerable experiments have been done during creation of the ensemble. Extensive experiments show the effectiveness of the offered method and suggest its superiority of exploiting multimodal signals.کلیدواژه ها
Action Learning, Ensemble Learning, Machine Learningمقالات مرتبط جدید
- سیستم تشخیص نفوذ در محیط رایانش ابری با استفاده از یادگیری ویژ گی
- کاهش هزینه تعمیراتی ماشین های سنگین از طریق بهبود الگوریتم درخت تصمیم با الگوریتم های انتخاب ویژگی Information Gain ،Correlation و SVM
- پردازش کوانتومی تصاویر پزشکی و تشخیص لبه آن با استفاده از الگوریتم QHED
- بررسی و مقایسه روشهای تشخیص اکانت های جعلی در شبکه های اجتماعی
- مکان یابی و مقدار بهینه منابع تولید پراکنده به منظورکاهش تلفات و بهبود انحراف ولتاژ شبکه نامتعادل توزیع
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.